r-卸下滞后== 0的成对行，并使用dplyr和链接计算％变化

Question

我正在使用一个非常大的tibble工作，并希望计算这些表随时间的增长百分比(首次进入最后一个条目，而不是最大值到最小值(。我最终还希望存储任何具有0个更改为自己列表/tibble的表格，但将它们从原始输出表中删除。

数据集的示例如下：

  date    tbl_name    row_cnt
2/12/2019  first       247
6/5/2019   first       247
4/24/2019  second    3617138
6/5/2019   second    3680095
3/1/2019   third    62700321
6/5/2019   third    63509189
4/24/2019  fourth       2
6/5/2019   fourth       2
...          ...       ...

，表格的预期输出将是两个表格的表：

tbl_name   pct_change
second       1.74
third        1.29
...          ...

tbl_name
 first
 fourth
  ...

到目前为止，我已经能够安排观察值，对它们进行分组，并过滤每个组的第一个也是最后一个实例：

test_df <- df %>% 
  arrange(l.fully_qualf_tbl_nm) %>% 
  group_by(l.fully_qualf_tbl_nm) %>%
  filter(row_number()==1 | row_number()==n()) %>%
  mutate(pct_change = ((l.row_cnt/lag(l.row_cnt) - 1) * 100)) %>% 
  select(l.run_dt, l.fully_qualf_tbl_nm, pct_change) %>% 
  drop_na(pct_change)

但是我的计算

mutate(pct_change = ((l.row_cnt/lag(l.row_cnt) - 1) * 100)) %>%

没有生成正确的结果。我从另一个帖子中提取了我的PCT变化计算，该帖子讨论了％变化，但我的手指定数量不同。

例如，我得到了"第二= 3.61"，但是手动计算(以及Excel(的收入为1.74。我还获得了"第三= 0.831"，而不是单手1.29。我的猜测是，我不正确地指定我只想在每个组上完成计算(每对两行(。我想知道我是否应该分别计算滞后，还是仅仅是错误地实现了lag？

？

接下来，我认为新表将以某种方式创建

if return value of filter(row_number()==1 | row_number()==n()) %>% == 0, append to list/table

但老实说，我不知道该怎么做。我想知道我是否应该单独执行一个函数并将其分配给新变量。

Answer 1

df <- read.table(
  header = T, 
  stringsAsFactors = F,
  text = " date    tbl_name    row_cnt
2/12/2019  first       247
6/5/2019   first       247
4/24/2019  second    3617138
6/5/2019   second    3680095
3/1/2019   third    62700321
6/5/2019   third    63509189
4/24/2019  fourth       2
6/5/2019   fourth       2")
# Wrapping in parentheses assigns the output to test_df and also prints it
(test_df <- df %>% 
    group_by(tbl_name) %>%
    mutate(pct_change = ((row_cnt/lag(row_cnt) - 1) * 100)) %>% 
    ungroup() %>%
    filter(!is.na(pct_change)) %>%  # Filter after pct_change calc, since we want to 
                                    # include change from 1:2  and from n-1:n
    select(tbl_name, row_cnt, pct_change))
# A tibble: 4 x 3
  tbl_name  row_cnt pct_change
  <chr>       <int>      <dbl>
1 first         247       0   
2 second    3680095       1.74
3 third    63509189       1.29
4 fourth          2       0  

要分成两个表，似乎可以做：

first_tbl <- test_df %>% filter(pct_change != 0) # or "pct_change > 0" for pos growth
second_tbl <- test_df %>% filter(pct_change == 0)